大型风力发电机组远程故障诊断系统.docx
《大型风力发电机组远程故障诊断系统.docx》由会员分享，可在线阅读，更多相关《大型风力发电机组远程故障诊断系统.docx（22页珍藏版）》请在冰豆网上搜索。
大型风力发电机组远程故障诊断系统
大型风力发电机组远程故障诊断系统
南京协宏软件技术有限公司
2015年01月
目录
1系统概述4
1.1系统名称4
1.2风电背景4
2编制依据及系统概述4
2.1系统概述5
2.2技术基础5
2.3项目技术特点5
2.4设计制造的行业技术标准6
3系统结构与特点6
3.1系统结构总图7
3.2系统测点配置7
3.3系统硬件特点8
3.3.1数据采集监测站DrivetrainDAU8
3.3.2数据服务器9
3.3.3传感器9
3.4系统实时监测功能10
3.4.1实时监测10
3.4.1总貌图描述12
3.4.2棒图描述13
3.4.3波形频谱图描述13
3.4.4趋势跟踪图描述14
3.5分析诊断功能15
3.6数据管理功能20
3.6.1数据记录的存储策略20
3.6.2事故追忆功能20
3.6.3数据传输的可靠性策略20
3.6.4数据记录稀疏策略21
3.6.5数据备份方法21
3.6.6用户数据检索功能21
4远程监测与诊断中心22
4.1远程监测中心系统结构图22
4.2系统硬件特点22
1系统概述
1.1系统名称
大型风力发电机组远程故障诊断系统
1.2风电背景
近十年来，风力发电在全世界范围内得到了持续高速发展，为应对全球气候变化作出了重要贡献。
风能作为一种清洁的可再生能源已成为低碳经济的重要标志之一。
我国在大规模的风能利用方面虽然起步较晚，但近些年来发展非常快，到2009年年底，全国风力机械标准化技术委员会共制定发布风力发电国家标准和行业标准61项，累计装机容量跃过20GW大关，达到25.8053GW。
2009年当年，我国新增风机10129台，装机容量13，8032GW，占全球新增风电装机的1/3，超过美国排名全球第一。
据国家发改委能源司对未来国家能源战略划，到2020年中国的风电装机总容量将达到30GW。
风力发电机组面对各种恶劣的工作环境及严格的电网条件，运行工况复杂多变，各种因素使风力发电机组的可利用率，风电转换效率及使用寿命受到很大影响，很多重大事故的发生，往往源于一个数据的错误或一种信息的疏忽。
在一个现代化的大型风电场中，可能会有十几台甚至几十台上百台风力机，如何有效地对各风力机状态进行监测和分析，使整个风电场安全、可靠、经济地运行就变得至关重要。
由于风场的选址受到地理条件及风能资源的限制，各风场之间的距离可能会非常遥远，特别是对于海上风场的情况。
在这样的前提下，如何方便快捷地对各风场运行状况进行监测和分析以及实现风场间的远距离数据通讯，保证多风场的统一管理运营及维护，并使得广泛的国内、国际技术合作和多方在线断得以实现，成为今后风电行业的新兴发展方向。
本技术方案是依据风力发电机组远程状态监测与故障诊断的需求，结合我公司多年从事旋转机械远程在线状态监测和分析诊断以及风电设备状态监测及分析产品的开发和规模应用经验而编制的。
2编制依据及系统概述
2.1系统概述
根据风力发电机组的技术特点，提出了以旋转机械远程在线状态监测和分析诊断以及风电设备状态监测及分析产品的开发基础的成熟和系统的解决方案。
该系统利用数据处理技术、现代先进的互联网技术和科学实用的监测技术，实现对风力发电厂实时在线状态监测与故障诊断。
远程监测系统对机组实施远程实时在线监测，为电厂发电设备的运行、检修等日常管理工作提供技术支持。
本方案提供的风电机组远程振动监测与故障诊断系统是基于INTERNET网络/内部虚拟网建立的一个集数据采集传输和管理、机组状态监测、事件报警管理，故障分析诊断、设备性能评估。
本文件提供的系统：
现场数据采集分析系统，该部分安装在电厂的机组现场；
2.2技术基础
南京协宏软件技术有限公司从2009年开始进行“机组远程在线监测和故障诊断中心”的研发工作，目前公司产品已成功应用于风电、火电、水电、冶金、石化等行业。
本方案书提供的技术基础是：
1.南京协宏软件技术有限公司多年来积累的机组状态监测和故障诊断经验及多项发明专利。
2.针对电力设备状态（包括风电机组）的软硬件的研制开发核心技术。
3.成功推向市场的现有多种机组实时监测产品的经验。
4.最新的机组管理思想和状态监测、故障诊断理论。
5.采用先进的软硬件设计技术和唯一基于INTERNET的远程数据传输技术。
2.3项目技术特点
本方案书的技术可行性分析主要考虑以下几个关键技术问题：
1.灵活的信号接入：
系统可接收各种类型的信号：
振动信号、过程量信号。
可配套各种传感器：
加速度传感器，速度传感器、油液分析传感器，并可从监控系统获得各种各种电流电压信号，开关量信号等。
2.数据的有效存储：
灵敏监测功能可有效的记录机组事故前后的数据，有助于机组的故障分析，及早的发现故障隐患。
数据采集站具备现地缓存功能，避免网络通讯故障时数据丢失。
高保真数据压缩技术保证了机组有效数据的存储，并大大降低存储数据所用空间。
3.专业的监测功：
系统能够提供专业的监测图谱、数据列表以及完整的数据记录。
先进的信号分析和数据管理技术能够帮助用户及早的发现轴承或者齿轮箱的故障隐患。
专业的报警功能使得用户对机组的监控更加容易，事件追忆功能有助于机组的故障诊断。
4.人性化的操作界面：
系统操作非常人性化，经过简单培训即可浏览整个系统数据。
系统采用一键式软件安装和模块化组态设计。
用户经过授权在任何一台计算机上，无需安装任何软件即可浏览系统监测图谱和数据。
5.强大的远程监测功能：
基于INTERNET的数据传输技术，远程访问的用户具备现地用户一样的监测和分析功能。
2.4设计制造的行业技术标准
DL/T578计算机软件测试文件编制规范
DL5003电力系统调度自动化设计技术规范
DL5002地区电网调度自动化设计技术规范
GB3453数据通信基本型控制规程
GB3454数据终端（DTE）和数据电路终端设备（DCE之间的接口定义）
IEEE802.3网络技术标准
GB23128操作系统标准
DL476电力系统实时数据通信应用层协议
JB/T5234工业控制计算机系统验收大纲
GB7450电子设备雷击保护导则
DL／T687-1999微机型防止电气误操作装置通用技术条件
GB/T17963-2000信息技术开放系统互连网络层安全协议
DL/T634.5104远动设备及系统第5-104部分:
传输规约采用标准传输协议子集的IEC60870-5-101网络访问
国家经贸委《电网和电厂计算机监控系统及调度数据网络安全防护规定》
（[2002]第30号令）
国家电力监管委员会第5号令《电力二次系统安全防护规定》
相关的GB、IEC、IEEE、ISO、ANSI、DIN、JH、JIE标准
3系统结构与特点
3.1系统结构总图
现场一层是由传感器、数据采集单元DrivetrainDAU、现场服务器。
本地诊断中心LocalCareCentre组成的系统，每一台本地诊断中心LocalCareCentre都可以经Internet向远程诊断中心服务器上传数据。
3.2系统测点配置
按照风电机组的结构特点，对机组的如下信号进行监测：
风力发电机组的振动测点的布置示意图如图2所示，振动传感器主要布置在主轴、齿轮箱和发电机组上。
其中在主轴轴承座、齿轮箱输入轴处各安装一只专用低频加速度传感器，齿轮箱外齿圈外壳、输出轴箱体外壳处以及发电机前后轴承座处各布置一只振动加速度传感器，用于全方位监测风力发电机组的振动状态。
齿轮箱输出轴转速及发电机功率建议由风机的监控系统接入。
若风机监控系统无法输出功率和转速信号，则通过在齿轮箱上加装测速传感器进行机组转速的测量。
油液监测可对机组轴承、齿轮箱润滑油的油质、油液中金属颗粒数进行监
测。
本方案书中推荐采用金属颗粒监测，系统可以实时监测油液中混入的金属
颗粒数，并进行统计分析和趋势跟踪，对机组轴承、齿轮箱的日常运行磨损、
故障损坏等起到实时的监测。
3.3系统硬件特点
3.3.1数据采集监测站DrivetrainDAU
采集监测站DrivetrainDAU是一个以微处理器为核心的智能化的数据采集系统，由多块分布式板卡等组成，最终将各种传感器的信号转换成A/D可以接受的信号。
这种结构形式给工业现场提供了最大的配置灵活性。
DrivetrainDAU性能参数见下表：
3.3.2数据服务器
现场服务器由高性能的专业服务器和相应软件组成。
现场服务器硬件选用美国IBM公司生产的高性能的服务器。
主要完成功能：
数据的长期存储与管理、基于B/S结构的数据传输功能、专业的诊断分析图谱、系统管理及设置。
3.3.3传感器
美国CTC公司的加速度传感器，此传感器防磁、安装方便、响应快，已经
得到广泛应用。
参考指标如下：
�最大线性测量程±5g
�灵敏度1000mV/g
�工作频响范围0.3~4kHz
�谐振频率12kHz
�幅值非线性度≤5%
�工作温度0~130℃
加速度传感器工作方式水平、垂直互相通用，为了使安装紧密，先在底座上均匀的抹一层黄油，然后通过底部的Φ5㎜螺杆固定在底座上，只要用手旋紧即可，不需要专用工具。
但固定传感器的螺丝一定要焊接在支座上，防止脱落
图3-2加速度传感器安装示意图
3.4系统实时监测功能
3.4.1实时监测
系统对机组当前的运行状态进行同步监视和显示，以数值、曲线、图表等各种形式，显示机组的各种状态分析数据，实现在线监测和分析功能。
实时监测页面从不同的角度、分层次展现机组的状态信息。
这些页面分别是：
总貌图、棒图、波形—频谱图、冲击谱图、趋势分析图、相关趋势分析图等
�系统布置总貌图
图3-3:
系统总貌布置图1
图3-4:
系统总貌布置图2
3.4.1总貌图描述
�功能：
显示系统所监测的机组结构、测点分布以及这些测点的值的实时变化情况。
如有通道数值超标，则该通道显示颜色立刻区别于其他正常通道。
�显示：
图谱显示当前机组的测点数据，左侧显示目前的动态信息。
还会有文字信息显示获取数据的时间，在总貌图中所选中的通道的信息（包括值，报警门限等），被选中的通道将会以红颜色的框来表示。
�操作：
点击“常规图谱”下“总貌图”或者快捷按纽可以调出此图谱。
一个电厂可以有多个总貌图，如上图所示，可以通过点击图上的TAB标签在不同的总貌图之间进行切换。
�显示定制：
用户可以通过右侧导航栏任意选择同一集团不同电厂、同一电厂不同机组的总貌图显示
�棒图
图3-5:
单值棒图
3.4.2棒图描述
�功能：
该图谱以单棒或多棒的形式显示振动测点各个特征值的大小、机组转速大小、数据类型、时间。
�显示：
有效值，峰值，峰峰值。
同时用颜色显示该通道是否报警。
�显示定制：
用户可以通过显示定制，选择任意通道，并设定一个界面内显示多少通道的棒值，单值、多值棒图内用户想看到的该通道的某频率成分等。
�实时波形显示
图3-6:
波形频谱图
3.4.3波形频谱图描述
�功能：
该图谱显示机组运行过程中各测点反映轴承、齿轮箱振动的实时波形图及频谱图，用户可以很直观的观察出该通道的波形是否正常，各频率组成成分是否符合机组特性
�显示：
以实时坐标的形式显示机组的振动波形，频谱图中可显示该振动量各个主要频率成分的幅值大小，频率大小、倍频特征等。
左侧导航栏显示该通道的主要特征信息。
�显示定制：
通过显示定制调出右侧导航栏，用户可以自定义显示任一机组的任一通道数据。
�趋势跟踪
图3-7:
趋势跟踪
3.4.4趋势跟踪图描述
�功能：
该图谱显示了一个机组下最多至8个振动通道和过程量通道的特征值在一段时间内的变化趋势
�显示：
图谱中上半部分显示所选振动量通道的振动趋势，下半部分显示所选过程量通道的趋势图。
在图谱的左侧，列出了趋势图的开始和结束时间，在列表中列出了图谱中的振动通道和过程量的名称以及绘图时所用的颜色。
当用鼠标选择列表中的一个通道时，还会显示出这个通道的数值单位，高报和高高报门限（低报和低低报门限）
�显示定制：
选择“显示定制”将会弹出“显示定制”对话框，在这个对
话框中可以选择显示的机组以及机组下的通道、特征值的类型，坐标的刻
度大小、数据类型等。
�相关趋势分析图
图3-8相关趋势跟踪
�功能：
该图谱可根据分析诊断需求自定义在一段时间内某个振动通道随过程量（转速、功率等）的变化趋势。
3.5分析诊断功能
采用不同的方法对轴承和齿轮的故障状况进行监测，其灵敏程度差别很大。
利用冲击能量技术可尽早的发现轴承和齿轮的各种早期损坏，提前制定维修方案和计划，可确保设备的安全稳定运转。
当齿轮和轴承发生轻微磨损时，其产生的冲击信号幅度小，持续时间短，能量分散在很宽的频率范围内，很容易被其他信号所淹没，因此，采用传统的信号处理方法，很难捕捉到这些微弱的冲击信号，也就及早发现齿轮和轴承的故障隐患，不能及时采取有效措施，避免磨损的进一步扩展，从而造成轴承和齿轮的损坏。
图3-9滚动轴承监测
为了及早的获取到这些微弱的冲击信号，我们采用了独有的冲击能量技术对振动信号进行处理，从而在齿轮或轴承的磨损刚刚发生时就能捕捉到这些微弱冲击。
首先，我们将振动信号经过带通滤波，将低频信号滤除，得到高频振动信号，然后，将信号通过一个专有的峰值检波器，进行整流滤波，最后，再将获得的信号进行FFT运算，就得到了冲击谱图。
图3-10冲击脉冲信号
冲击能量技术对轴承和齿轮的早期磨损非常敏感，是一种非常有效的诊断齿轮和轴承故障的方法。
由于该技术剔除了低频信号，因此对机组发生的不平衡、不对中等低频振动不敏感。
因此，对机组状况的总体评定，要同时借助传统的频谱分析方法，综合评定机组的状况。
图3-11冲击脉冲信号提取
分析方法表
�频谱分析
图3-12波形频谱图
�灵敏监测分析
图3-13：
灵敏监测图
图为某机组突发故障过程中黑匣子记录的事故过程的波形频谱数据，为现
场的故障解决带来了很大的帮助。
3.6数据管理功能
3.6.1数据记录的存储策略
多种采样触发方式的数据采集技术：
等时间触发、报警触发、事故触发等
方式
�有效信息提取与挖掘技术
�监测门限统计自学习；
�黑匣子数据记录大大减少了存储量，保证没有多余的与诊断无关的
信息存储，即有诊断价值的数据多保留，无诊断价值的数据少保留。
�日常数据的采集、存储：
�对于机组日常（稳态）情况下，系统安装推荐时间间隔进行数据采
样和存储办法；
�该存储是按年、月、周、日的存储办法，为建立机组运行的日常历
史资料，生成趋势图；
�绝大多数情况下，机组运行是稳定的，可大大减少存储量。
3.6.2事故追忆功能
支持事故黑匣子功能，能够记录事故发生前后长时间的动态数据，并能够
形成趋势图。
�DrivetrainDAU的“黑匣子”，当机组启停机或振动/工艺量高报、高高报时，系统启动该“黑匣子”：
完整记录触发前后5组完整振动波形的数据。
�“黑匣子”功能，优于只有一个传统意义组成的“黑匣子”功能，其记录事故发生过程的时间可无限延伸，突破了传统只能记录事故前后一段时间的局限性。
�以上“黑匣子”数据，将永久性地存储在数据库中，不再删除或被履盖，同时可以生成趋势图等专用图谱。
3.6.3数据传输的可靠性策略
�DrivetrainDAU在本地缓存区内可保留一段时间的数据，克服了传统方式下因网络中断造成的监测数据丢失的弊病）
�由于Drivetrain与中心服务器的网络发生故障，或服务器发生故障等原因，历史数据不能够正常保存到数据库，则Drivetrain将历史数据保存在本地的缓存区内，一旦条件恢复，即将本地缓存区内的历史数据上传给服务器。
3.6.4数据记录稀疏策略
采用日常数据采集与事件触发采集结合的策略，如上所述，在机组稳定运行时采用等时间间隔的存储策略，存储时间间隔为5分钟，10分钟，30分钟等用户自设置型；机组状态发生改变时，采用连续存储的策略，真正做到了有用的数据多存，无用的数据少存，充分保证了数据的有限性，避免数据拖沓冗长。
3.6.5数据备份方法
中心服务器配有两块硬盘，一块用来做数据存储，一块用来做数据备份，系统自动设置了备份程序，将数据按用户自定义的时间：
每周、每月、×天备份一次。
同时中心服务器可同时实现向不同的远程监测中心服务器上传数据，这样即使现地服务器出现故障数据丢失时，远程监测中心服务器同样储存机组的运行数据，一旦现地服务器恢复，远程中心服务器会自动将数据下传至现地服务器，做到数据的万无一失。
用服中心人员每星期会通过远程登陆的方式来检差数据备份的情况，发现问题及时处理。
3.6.6用户数据检索功能
系统为开放的数据库结构，有相应权限的系统用户可以任意检索机组数据，检索的方式分为：
按时间检索、按趋势检索、按事件检索、按数据的不同类型（如转速、功率）检索等。
4远程监测与诊断中心
4.1远程监测中心系统结构图
图4-1系统结构图
1．现场数据采集分析系统，该部分安装在电厂的
机组现场；
2．广东电力科学研究院远程监测与中心，该系统安装于院远程诊断中心内。
4.2系统硬件特点
�远程诊断中心服务器是用于管理整个远程诊断系统的工作站，可以管理多个
个安装在风电厂的中心服务器。
�支持10M/100MEthernet网路以及TCP/IP协议，投标方现已有多个远程诊断
中心在稳定使用。
�R配置有网络防火墙，并配备有杀毒软件，以满足招标方对远程诊断心服务
器网路设备及网络安全的要求。
�远程中心服务器与电厂现地服务器进行数据通讯时可使用多种网络资源，包
括广域网INTERNET、微波虚拟网INTERNAT。
同时还可以通过远程中心服务器和现地服务器上的调制解调器进行电话拨号式的点对点的数据传输。
升级会员 